Modellera data med Power BI

I den här modulen får du lära dig mer om Power BI Desktop-modellernas struktur, grunderna för att designa ett star-schema, analysfrågor och konfiguration av visuella rapporter. Den här modulen ger en stark grund att stå på för att optimera modelldesign och lägga till modellberäkningar.

Beskriv modellramverk, deras fördelar och begränsningar samt funktioner för att optimera dina Power BI-datamodeller.

Processen att skapa en komplicerad semantisk modell i Power BI är enkel. Om dina data kommer från fler än ett transaktionssystem kan du, innan du vet ordet av, har dussintals tabeller som du måste arbeta med. Att skapa en bra semantisk modell handlar om att förenkla orrayen. Ett star schema är ett sätt att förenkla en semantisk modell och du lär dig mer om terminologin och implementeringen av dem i den här modulen. Du får också lära dig om varför det är viktigt att välja rätt detaljnivå för data för att dina Power BI-rapporter ska ha bra prestanda och användbarhet. Slutligen får du lära dig mer om att förbättra prestanda med dina Power BI-semantikmodeller.

I den här modulen får du lära dig hur du skriver DAX-formler för att skapa beräknade tabeller, beräknade kolumner och mått, som är olika typer av modellberäkningar. Dessutom får du lära dig hur du skriver och formaterar DAX-formler, som består av uttryck som använder funktioner, operatorer, referenser till modellobjekt, konstanter och variabler.

I den här modulen får du lära dig hur du arbetar med implicita och explicita mått. Du börjar med att skapa enkla mått som sammanfattar en enskild kolumn eller tabell. Sedan skapar du mer komplexa mått baserat på andra mått i modellen. Dessutom får du lära dig om likheter och skillnader mellan en beräknad kolumn och ett mått.

I slutet av den här modulen kommer du att kunna lägga till beräknade tabeller och beräknade kolumner i din semantiska modell. Du kan också beskriva radsammanhang, som används för att utvärdera formler för beräknade kolumn. Eftersom det är möjligt att lägga till kolumner i en tabell med hjälp av Power Query får du också lära dig när det är bäst att skapa beräknade kolumner i stället för att Power Query anpassade kolumner.

I slutet av den här modulen får du lära dig innebörden av tidsinformation och hur du lägger till DAX-beräkningar för tidsinformation i din modell.

Prestandaoptimering, även kallat prestandajustering, innebär att göra ändringar i semantikmodellens aktuella tillstånd så att den körs effektivare. När din semantikmodell optimeras presterar den i princip bättre.

Framtvinga modellsäkerhet i Power BI med hjälp av säkerhet på radnivå och säkerhet på objektnivå.